- 综合排序
- 最热优先
- 最新优先
langfuse
langfuse是大模型开发流程的可观测工具，Langfuse 的可观测性能力包含三个层级的追踪体系，实现了从单轮执行到多轮对话再到用户全局行为的全维度覆盖： Trace（单轮执行追踪）：聚焦单条 官方文档路径：https://github.com/langfuse/langfuse https://langfuse.com/self-hosting/deployment/docker-compose 读过dify源码的都知道，dify内部也是使用了langfuse来做监控观测的。 首先下载源码，然后启动服务器 cd langfuse docker compose up [+] Running 0/5 ⠏ langfuse-worker Pulling 34.0s ，可以看到，只需要在函数上添加装饰器 @observe() 就可以接入 from langfuse import observe from langfuse.openai import openai #
12910编辑于 2026-03-18- 来自专栏机器学习
Langfuse Docker 部署完整教程
Langfuse 是一个开源 LLM 工程平台，可帮助团队协作调试，分析和调试 LLM 应用程序。所有平台功能都是本地集成的，以加快开发工作流程。Langfuse 开放。 下载配置文件# 创建项目目录mkdir langfuse-dockercd langfuse-docker# 下载docker-compose.yml文件curl -o docker-compose.yml https://raw.githubusercontent.com/langfuse/langfuse/main/docker-compose.yml2. /bin/bash# Langfuse诊断脚本echo "=== Langfuse 服务诊断 ==="echo "1. 检查Docker服务状态..." 常用命令集合# 快速重启有问题的服务docker-compose restart langfuse-web# 查看特定服务的详细日志docker-compose logs -f langfuse-web
2.4K10编辑于 2025-08-05 - 来自专栏轩辕镜像
LANGFUSE Docker 容器化部署指南
镜像准备镜像拉取LANGFUSE推荐使用最新稳定版本（latest标签），如需指定版本，可从LANGFUSE镜像标签列表https://xuanyuan.cloud/r/langfuse/langfuse 执行以下命令拉取LANGFUSE镜像：展开代码语言：BashAI代码解释#拉取最新版本dockerpullxxx.xuanyuan.run/langfuse/langfuse:latest#如需指定版本 @langfuse-postgres:5432/langfuse\xxx.xuanyuan.run/langfuse/langfuse:latestDockerCompose编排（推荐生产环境）对于多组件部署 首次登录需使用默认管理员账户（具体凭据请参考LANGFUSE镜像文档（轩辕）https://xuanyuan.cloud/r/langfuse/langfuse）。 镜像文档（轩辕）https://xuanyuan.cloud/r/langfuse/langfuse：轩辕镜像站提供的LANGFUSE镜像说明及配置指南LANGFUSE镜像标签列表https://xuanyuan.cloud
60310编辑于 2025-12-09 Langfuse-开源AI观测分析平台，结合dify工作流
Langfuse + Dify 工作流整合结合 Langfuse 和 Dify，可以实现对 AI 模型工作流的全面监控和管理。 配置 Langfuse 进行 AI 监控首先，安装并配置 Langfuse 来监控模型的训练和推理过程。 安装 Langfuse：pip install langfuse然后在你的代码中添加监控代码：import langfuse# 初始化 Langfuse 客户端lf = langfuse.Client( 工作流的每个步骤可以与 Langfuse 结合，记录每个阶段的监控数据。3. 集成 Langfuse 与 Dify在 Dify 中创建工作流后，你可以将 Langfuse 的监控功能集成到工作流中的每个环节，实时获取 AI 模型的反馈。
1.3K10编辑于 2025-09-10- 来自专栏腾讯云原生团队
TKE 助力 Agent 可观测及评估体系建设，靠谱助手轻松养成！
repo add langfuse https://langfuse.github.io/langfuse-k8s # 修改配置（修改数据库密码、服务类型等，更多参考: https://langfuse.com /self-hosting/configuration） helm show values langfuse/langfuse-k8s > langfuse-values.yaml # 部署服务 kubectl create namespace langfuse helm install langfuse langfuse/langfuse -n langfuse -f langfuse-values.yaml langfuse secret key os.environ["LANGFUSE_HOST"] = "http://xx.xx.xx.xx"# your langfuse host query your langfuse secret key os.environ["LANGFUSE_HOST"] = "http://xx.xx.xx.xx"# your langfuse host
83500编辑于 2025-06-09 - 来自专栏开源服务指南
高效微调 100 多种大语言模型：先计算法，急速推理！ | 开源日报 No.305
使用 OpenAPI/Swagger 规范 支持大量语言和框架的请求示例 集成了 API 客户端 实时预览编辑你的 OpenAPI/Swagger 规范 langfuse/langfusehttps:/ /github.com/langfuse/langfuse Stars: 4.8k License: NOASSERTION langfuse 是一个开源的 LLM 工程平台，提供可观测性、指标、评估 以下是 langfuse 的主要功能、关键特性和核心优势： 可观测性：为应用程序提供仪表盘和数据导出，跟踪指标（成本、延迟、质量）并从中获取洞察。 提示管理：在 langfuse 中管理、版本控制和部署提示。 评估：收集和计算 LLM 完成的分数，进行基于模型的评估。 沙盒：测试应用程序行为，使用数据集测试输入输出对并进行性能基准测试。 langfuse 是一个功能丰富的工程平台，适用于开发者进行语言模型相关的工作。
56010编辑于 2024-07-22 Agentic AI基础设施实践经验系列（七）：可观测性在Agent应用的挑战与实践
数据导出：将处理后的数据发送至目标平台（如 Langfuse、MLFlow、自建分析系统），灵活适配不同存储与分析需求。三。 运维操作在 Langfuse 中创建两个测试会话，分别使用两种模型处理相同售后查询（如 “查询订单号 #12345 的物流状态并申请退货”）。 运维操作在 Langfuse 中筛选 Nova Lite 模型的失败会话，查看完整执行链路。 验证效果：重新部署后，在 Langfuse 中监控工具调用成功率，确认错误率降至 0。 质量评估：通过 Langfuse 的 LLM as Judge 功能，自动评估查询结果准确性（如是否匹配数据库实际数据），设置准确率阈值 95%。五。
55110编辑于 2025-12-05- 来自专栏福大大架构师每日一题
dify v1.2.0 重磅发布！工作流循环节点+多场景增强，效率翻倍，开发者的终极利器！
4️⃣ Langfuse LLM 节点增强：全链路可观测性 • 支持 LLM 输入输出的完整追踪，结合 Langfuse 的监控能力，实现生成式 AI 的透明化调试与优化。 方向四：开发者工具与运维支持 • Langfuse 深度集成： • 可视化追踪 LLM 的 token 消耗、响应延迟，支持成本分析与性能调优。 通过 Langfuse 监控 分析律师高频查询模式，优化检索模型。 • 效果：检索准确率从 75% 提升至 92%！
3.8K31编辑于 2025-04-11 - 来自专栏周拱壹卒
基于对话补全接口的问答能力评估
表示必须与标准答案完全一致； 调用候选模型对话补全接口，获得候选模型对待评估问题的回答； 使用评估提示词组装问题、标准答案和候选模型回答的内容，交由评估模型对回答进行评估； 评估结果输出至 CSV 文件中，并可选同步至 Langfuse Completions API[2] 交互 支持对多轮问答效果的评估 支持并发评估多个问题 评估提示词可配置 支持按照完全一致和本质一致两种方式评估候选模型回答 评估结果附加在输入的 CSV 副本中，并可选同步至 Langfuse {question} ### 标准答案: {expectedAnswer} ### 回答: {answer} # 可选 langfuse : enable: false host: https://cloud.langfuse.com public-key: pk-lf-xxx secret-key: sk-lf-xxx } ]" 评估结果示例 result 同步评测结果至 Langfuse scores dashboard 参考资料 [1] Langfuse: https://langfuse.com/ [2]
7110编辑于 2026-03-16 - 来自专栏小吾的AI辅助软件开发
2025年国内外AgentOps痛点与解决方案和工具链综述
（开源，国际）langfuse.com初创团队✅中型团队✅-完全开源（MIT许可）-自托管，数据自主可控-提示词工程优化-深度追踪开源免费云版：Hobby层50Kevents/月免费Pro：$59/月（ 使用影子模式降低部署风险6个月实施路线图：第1-2月：POC验证选择1-2个非关键业务场景试点（如日志分析Agent）部署Langfuse开源版，建立基础可观测性接入1-2个遗留系统，验证集成可行性目标 发布，UI重构，性能提升参考链接：定价页：langfuse.com/pricingGitHub：github.com/langfuse/langfuseProductHunt：www.producthunt.com │├─是→LangSmith（商业）│└─否→Langfuse（开源云版或自托管）│└─否→是否需要多模型支持？├─是→AgentOps.ai│└─否→是否需要自托管？├─是→数据隐私敏感？ │├─是→Langfuse（自托管）│└─否→Phoenix（开源）│└─否→所在地区？├─国内企业→行业？
61520编辑于 2025-12-16 - 来自专栏喔家ArchiSelf
大模型系列：提示词管理
5.2 参考工具之二：Langfuse Langfuse 是一个开源平台，专注于增强大型模型应用的可观察性和分析性。它的自托管支持为开发人员提供了在不同基础设施约束下工作的灵活性。 此外，Langfuse支持以多种格式导出提示词，提升其在其他平台上的使用，从而增强了互操作性和灵活性。 除了管理和测试提示词外，Langfuse还允许从应用程序请求数据创建数据集，这对于进一步测试、微调模型或实施及时评估极为有用。 Langfuse能详细监控大型模型API调用的每个环节。 开发人员可以根据模型评估、手动评分或用户反馈等多种标准来评估提示词输出的质量，结果可以通过Langfuse仪表板上的直观图表方便地展示。 更多关于Langfuse的信息，包括详尽的文档和用户支持，可以访问他们的官方网站或文档页面获取。
1.6K10编辑于 2024-06-17 - 来自专栏云云众生s
构建可扩展的GenAI Copilot：我们的经验教训
为了监控系统的行为和性能，我们依赖 Langfuse，它帮助我们有效地跟踪成本和调试 AI 服务。 Langfuse 是我们用于监控和调试 AI 应用程序的 可观测性 平台。 LangGraph 虽然目前尚未实施，但有可能用于创建更复杂的多步骤 AI 工作流。 为了可观测性，我们将 Langfuse 集成到代理服务中作为回调。这种集成使我们能够实时监控系统，提供与 Copilot 交互时的成本、响应和客户反馈的洞察。 将 LangSmith、Langfuse 和 LangGraph 等工具集成到 GenAI 应用程序中需要时间和精力，更不用说站点可靠性工程 (SRE) 团队所需的持续维护了。
27310编辑于 2024-09-20 - 来自专栏Lcry个人博客
docker 部署 n8n 及汉化教程
cachedResultName": "lcry-qwen2.5-free" }, "options": {} }, "type": "n8n-nodes-openai-langfuse.lmChatOpenAiLangfuse ], "id": "047b4931-8f05-45d5-b288-cc448d8e39ea", "name": "OpenAI Chat Model with Langfuse "openAiApiWithLangfuseApi": { "id": "tNfaDQ5KQylfOAhB", "name": "openAi With Langfuse type": "main", "index": 0 } ] ] }, "OpenAI Chat Model with Langfuse
1.1K13编辑于 2026-01-09 - 来自专栏福大大架构师每日一题
ragflow v0.18.0：VLM模型支持、知识库共享、Langfuse集成，企业级AI新选择
大家期待已久的RAGFlow v0.18.0版本终于隆重登场！这次更新带来了多项核心功能革新和性能优化，助力企业和开发者打造更智能、更高效、更协同的知识管理和问答系统，尤其为宇航装备等复杂系统的数据管理提供了强大支持。
90810编辑于 2025-04-26 - 来自专栏网络安全技术点滴分享
基于AI（ChatGPT、DeekSeek）的渗透测试系统分析
- **日志记录模块**：使用 `langfuse` 记录测试过程中的关键事件和生成的内容。 2. **日志与监控**： - 使用 `langfuse` 记录测试过程中的关键事件和生成内容。 - 支持生成详细的日志文件，便于后续分析和调试。 ### 核心代码示例 1.
73611编辑于 2025-06-16 Claude Code 支持重磅扩展 Skills —— 用最新 API 构建更靠谱的 AI 项目
- model：qwen3-vl:32b - embedding：qwen3-embedding:8b - langgraph 1.0.6 - Milvus（pymilvus）2.6.6 - langfuse 优点API 使用明显更接近最新文档过时参数、废弃方法显著减少工程结构更合理，思路更偏向“真实项目”仍然存在的问题复杂技术栈组合（LangChain + LangGraph + Milvus + Langfuse
56610编辑于 2026-01-26- 来自专栏福大大架构师每日一题
dify 1.7.1版本全面解析：新特性、改进与升级指南
Langfuse集成路径修正 此前版本中集成Langfuse时路径处理错误，导致API调用异常。本次修复确保了： • 调用路径准确、 • 集成流程稳健无误， • API监控及日志记录功能正常。
1.1K10编辑于 2025-08-05 - 来自专栏计算机工具
LLM的实验平台有哪些：快速搭建测试大语言模型
工程观测平台- **Langfuse**： - **简介**：一站式的LLM工程平台，能帮助开发者解决从开发到监控的一系列问题，包括模型**可观测性、prompt管理和版本控制、模型评估与实验管理
55531编辑于 2025-01-11 - 来自专栏AI技术应用
AI 智能体的开发技术
LangSmith / LangFuse： 用于记录智能体每一步的思考轨迹（Trace），帮助开发者找出在哪一步“幻觉”了。
20510编辑于 2026-03-18 - 来自专栏红蓝对抗
Agentic AI基础设施实践经验系列（六）：Agent质量评估
评估过程监控：借助 Langfuse 等开源可观测性框架，监控 Agent 任务的完成成本、推理时延等指标。 2.2 例 1 - 使用 τ-bench 实现客服对话式 Agent 评估参考 τ-bench 的评估思路，基于 Strands Agents + Langfuse 复现零售 Agent（Retail Agent），模拟评估流程：通过 Langfuse 观测跟踪中间结果与指标，方便人工复查；评估任务性能与成本；最后用 LLM as Judge 对失败任务进行归因分析。 （3）可观测性监控通过 Langfuse 追踪 Agent 每次任务的完成时间、中间交互时间、Token 消耗等指标，实现成本与效率管控。
1.1K11编辑于 2025-12-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号